自动驾驶（三）---------多传感器标定

传感器的标定是传感器融合的重要部分

本文分为三个重要部分来分析：

1.初始化    2.更新    3.错误检测

1.初始化

    标定的的含义就是找到不同传感器的三维坐标变换，一共六个自由度，三个平移，三个旋转向量

    假定在一个标定场内，两个传感器对同一物体的不同位置获取一套坐标

             Pi（Xm，Ym, Zm）     Pj(Xn, Yn, Zn)  .   

     i,j 分别为两套传感器对应不同的位置，我不知道有没有说清楚，举例子吧

        标定摄像头和超声波雷达，做一个金属板，贴上车屁股的图片，把它放在车不同的位置（距离，角度）

        采集到对应两组不同的坐标。通过这两组坐标计算变换坐标。

                                                       

      R为旋转矩阵，T为平移向量，特别的R为3*3共9个参数，可以转化为3维旋转向量 罗德里格斯变换

      这样一组点如何求解A和T，求解这个最好的解决方法是点云匹配的ICP算法：

      三个轴旋转抽象成3个自由度公式：

     

        合并3个旋转公式得到：

     由于点可以取得足够多，变成求解最优问题，求以下方程最小值：

       

    后面就是其实就很麻烦了 ，求偏导，梯度下降，中间用到李群代数，具体我也搞不清楚了

    幸好吴博给我找到另一种方法：SVD求解ICP：https://blog.csdn.net/zhouyelihua/article/details/77807541

    后面直接opencv有代码。欧耶。

    特别的，opencv有摄像头坐标求解的方程（世界坐标系和摄像头坐标系的坐标变换）solvepnp（）；

2.更新

   假定你用opencv代码求出了坐标变换，但是车辆不是绝对的刚体，难免会出现变形，如何更新变换坐标成了难题，

   重要的如何确定两个传感器数据的对应性，同步性等等。

   首先默认平移不会出现变化，即安装位置不会变化，角度容易发生变化

   每天记录两个传感器的误差，控制变量法更新角度，减小误差

   具体方法不详。

3. 错误检测

    传感器之间每一帧的数据都不匹配时，统计传感器的误差均值，当大于阈值时，认为当前的变换方程是错误的

    重新标定传感器。

    这篇文章虎头蛇尾，主要是没做过，不知道怎么办。。。。。。